数学建模公选课作业.docx

2015/12/25院系：理学院专业：物理学（光伏电池）班级：物理13-2班姓名：马志彬学号系方式：667071 / 1506617071广东石油化工学院2015年12月大学数学建模（公选课）考核试题汽车售后维修数据统计分析汽车售后维修数据统计分析 摘 要 产品质量是企业的生命线，售后服务是产品质量的观测点，如何用好售后服务的数据是现代企业管理的重要问题之一。现以某小型汽车生产厂家为例考虑这个问题。假设该厂的保修期是三年,即在售出后三年中对于非人为原因损坏的小型汽车免费维修。在全国各地的维修站通过网络将保修记录送到统一的数据库里面，原始数据主要包含哪个批次生产的小型汽车（即生产月份）、售出时间、维修时间、维修部位、损坏原因及程度、维修费用等等。通过这样的数据可以全面了解所有部件的质量情况，若从不同的需求角度出发科学整理数据库中的数据，可得到不同用途的信息，从而实现不同的管理目的。首先根据器件疲劳理论，建立了一级的灰色预测模型，再将近几批次的汽车数量带入模型，便得到未来短时间内汽车部件的可能损伤情况。所得结果为0701批次使用月数18时的万车故障数；0704批次使用月数15时的万车故障数；0711批次使用月数10时的万车故障数； 0801批次使用月数6时的万车故障数然后分析方程中按时间和生产批次等参数函数的内在变化规律，建立了主模型，并在此基础上针对各参数函数的不同特点，建立了时间和生产批次等子模型。在将所得子模型和主模型结合。最后对所建模型的优缺点进行了客观的评价。关键词：时间和生产批次模型，故障数，使用月份。一、问题的提出1.1 问题： 根据汽车的使用时间暴露出来的问题进行数学建模，找出关键问题的所在；并对汽车的质量做一定的提升。1.2 背景分析：整车或某个部件的“万车故障数”是一个很重要的指标，常用于描述小型汽车的质量。首先将小型汽车按生产批次划分成若干个不同的集合（下面表格的同一行数据就来自同一集合），再对每个集合中迄今已售出的全部小型汽车进行统计，由于每个集合中的小型汽车是陆续售出的，因此它们的统计时间的起点即售出时间是不同的。二、问题分析2.1 整体分析汽车由很多部件组成的，汽车预测模型抓住其中一部件的情况，其中车祸、灾害、环境、社会、经济等诸多因素影响和制约的影响，如此众多的因素不可能通过几个指标就能表达清楚，因此建立了关于时间和生产批次的影响中，产生故障数的情况的数学模型。数据利用的时效性是很强的，厂方希望知道近期生产中的质量情况，但刚出厂的小型汽车还没有全售出去，已售出的小型汽车也没使用几个月，因此数据显得滞后很多。当一个批次生产的小型汽车的三年保修期都到时，我们对这批小型汽车的质量情况有了最准确的信息，可惜时间是小型汽车出厂的四、五年后，这些信息已无法指导过去的生产，对现在的生产也没有太大作用。所以如何更科学地利用少量数据预测未来情况是售后服务数据利用的重要问题。基于以上思想我们建立了预测模型。2.2 局部分析 采用了线性分析，因为随时间的使用，器件会越来越老化。但是，如果在负荷中使用，汽车部件会在某一次在大幅度使用中超过阀值，呈指数上升，一旦暴露出这问题，就得考虑换部件或减低使用环境的恶劣情况。 下面表格中，每一列数据的统计时间的长度却是相同的（例如2007年3月底出厂的小型汽车，到2007年8月底；或2008年10月初出厂的小型汽车，到2009年3月初都是最多使用了五个月，显然它们的统计时间的终点也是不同的），在相同使用时间长度（例如下表中第5列都是使用了11个月的万车故障数）内的整车或某个部件的保修总次数乘以10000再除以迄今已售出的小型汽车数量，即为下面表格中的万车故障数。三、模型假设1. 假设附件中所给数据真实可靠且具有预测性。2. 不考虑人为损毁的影响。3. 不考虑车祸等重大影响4. 假设影响汽车部件的主要因素是使用时间和生产批次。5. 假设在汽车每天正常使用的前提下，汽车的部件都比较稳定。四、模型的建立 建立线性模型，并引用最小二乘法得出k，a。 然后通过计算，并可得到各个方程的参数生产月份销售量使用最大时间斜率截距7012309157350.78470588702310814111.9475-73.619166677034506133217.728571437044717123213.644285717053812112432.4547435970641381039.504650356.34636363670721119375.5703636367083115874.885-3.45111111170927167121.766666724.01666667710